HTML Agility Pack问题（尝试从源代码解析字符串）

Question

我正在尝试使用敏捷包来解析各个页面中的某些信息。 我有点担心，如果需要的话，请告诉我，使用此功能可能对我所需的功能过于苛刻。 无论如何，我试图从杂色的傻瓜中解析一个页面，以基于股票报价来获得公司的名称。 我将解析多个页面以类似方式获取股票信息。

我要解析的HTML看起来像：

<h1 class="subHead"> 
    Microsoft Corp <span>(NASDAQ:MSFT)</span>
</h1>

另外，我要解析的页面是： http : //caps.fool.com/Ticker/MSFT.aspx

因此，我想我的问题是，我该如何简单地从html中获取Microsoft Corp，我是否应该甚至使用敏捷性包来做这样的事情？

编辑：当前代码

public String getStockName(String ticker)
{
    String text ="";
    HtmlAgilityPack.HtmlWeb web = new HtmlAgilityPack.HtmlWeb();
    HtmlAgilityPack.HtmlDocument doc = web.Load("http://caps.fool.com/Ticker/" + ticker + ".aspx");

    var node = doc.DocumentNode.SelectSingleNode("/h1[@class='subHead']");
    text = node.FirstChild.InnerText.Trim();
    return text;
}

Answer 1

这将为您提供所有股票名称的列表，仅用于Microsoft的示例HTML：

HtmlAgilityPack.HtmlDocument doc = new HtmlAgilityPack.HtmlDocument();
doc.Load("test.html");

var nodes = doc.DocumentNode.SelectNodes("//h1[@class='subHead']");
foreach (var node in nodes)
{
    string text = node.FirstChild.InnerText; //output: "Microsoft Corp"
    string textAll = node.InnerText; //output: "Microsoft Corp (NASDAQ:MSFT)"
}

根据更新的问题进行编辑 -这应该适合您：

string text = "";
HtmlWeb web = new HtmlWeb();

string url = string.Format("http://caps.fool.com/Ticker/{0}.aspx", ticker);
HtmlAgilityPack.HtmlDocument doc = web.Load(url);

var node = doc.DocumentNode.SelectSingleNode("//h1[@class='subHead']");
text = node.FirstChild.InnerText.Trim();
return text;

Answer 2

使用xpath表达式选择元素，然后拾取文本。

 foreach (var element in doc.DocumentNode.SelectNodes("//h1[@clsss='subHead']/span"))
 {
    Console.WriteLine (element.InnerText);
 }